foot <- 'TO-DO' # nacteni dat lrm-foot.txt 'TO-DO' # prohlidka dat, odstraneni NA, uprava promenne sex na factor ## vykresleni bodoveho diagramu s barevne odlisenymi muzi a zenami plot('TO-DO', type = "n") # priprava prazdneho graf. okna points(foot$foot.L[foot$sex == "f"], foot$body.H[foot$sex == "f"], pch = 1, col = "red") 'TO-DO' # podobne pro muze legend("topleft", c("zena", "muz"), pch = c(1,2), col = c("red", "blue")) # vykresleni legendy - pozor na spravne poradi barev a typu bodu ## vypocet popisnych statistik zvlast pro kazde pohlavi a souhrnne pro cely soubor ## charakteristiky podle pohlavi - funkce tapply tapply(foot$foot.L, foot$sex, length) # rozsah 'TO-DO' # smerodatna odchylka 'TO-DO' # prumer 'TO-DO' # prumer a sd pro promennou body.H ## charakteristiky pro cely soubor 'TO-DO' # rozsah apply(foot[,2:3], 2, mean) # prumer obou promennych celeho souboru 'TO-DO' # smerodatna odchylka ## overeni predpokladu rovnobeznosti primek # sestavime model s interakci a bez interakce a porovname model.interakce <- lm(body.H ~ sex * foot.L, data = foot) model.bez.int <- 'TO-DO' anova(model.bez.int, model.interakce) # overeni dalsich predpokladu - analyza rezidui modelu bez interakce 'TO-DO' # diagnosticke grafy 'TO-DO' # test normality rezidui t.test('TO-DO') # test nulove stredni hodnoty rezidui car::durbinWatsonTest('TO-DO') # test nezavislosti rezidui 'TO-DO' # prohlednuti vysledku modelu ## sestaveni modelu bez nevyznamnych promennych/faktoru model2 <- lm('TO-DO') anova(model2, model.bez.int) # overeni predpokladu noveho modelu 'TO-DO' 'TO-DO' # prohlednuti vysledku modelu ## vykresleni modelu spolu s pasem spolehlivosti ## pro vypocet intervalu spolehlivosti pouzijeme funkci predict ## v grafu chceme mit vykresleny zvlast muze a zeny, ale ## v regresnim modelu nam faktor pohlavi vysel nevyznamny, proto ## pas spolehlivosti vykreslime jen jeden pro celou regresni primku xx <- seq(min(foot$foot.L), max(foot$foot.L), length = 300) interval.spol <- predict(model2, newdata = data.frame(foot.L = xx), interval = "confidence") par(mfrow = c(1,1)) plot('TO-DO', type = "n") # predchystani prazdneho grafu points('TO-DO') # vykresleni bodu zeny points('TO-DO') # vykresleni bodu muzi lines(xx, interval.spol[,1]) # vykresleni regresni primky lines(xx, interval.spol[,2]) lines(xx, interval.spol[,3]) legend('TO-DO') # nastaveni legendy #### nereseny priklad 'TO-DO' # analogicky samostatne zpracujte nereseny priklad ## pozn. pokud faktor pohlavi vyjde vyznamny, je nutne v zaverecnem grafu ## pocitat interval spolehlivosti pro kazde pohlavi zvlast a take vykreslit zvlast